Python-ondersteuning toegevoegd aan ABBYY’s NeoML Open-Source Library

Het bedrijf voor digitale intelligentie ABBYY heeft een nieuwe belangrijke update aangekondigd voor zijn cross-platform, open-source machine learning-bibliotheek NeoML. Het platform stelt ontwikkelaars in staat om machine learning-modellen te bouwen, trainen en implementeren, en de nieuwe update voegt ondersteuning toe voor de programmeertaal Python, die de meest gebruikte taal is voor machine learning en AI.

Het nieuwe framework omvat ook 5-10x snelheidsverbeteringen en 20+ nieuwe ML-methoden, waaronder 10 netwerklagen en optimalisatiemethoden. NeoML ondersteunt Apple (AAPL ) M1-chips, GPU op Linux-gebaseerde machines en Intel (INTC ) GPU, wat betekent dat het een uitbreiding van toepasbare use cases en scenario’s voor de bibliotheek biedt. Dit betekent ook dat ontwikkelaars de framework kunnen gebruiken om AI-gebaseerde toepassingen en oplossingen te bouwen.

De populariteit van Python

Python wordt in verschillende industrieën gebruikt voor taken zoals automatisering, webontwikkeling, scripting, web scraping en gegevensanalyse. Het wordt vertrouwd door grote bedrijven zoals Google (GOOGL ), Pinterest, Spotiffy, Dropbox (DBX ) en vele anderen.

Buiten de private sector gebruikt de academische wereld het ook om studenten te leren programmeren. De veelzijdigheid van Python is wat het zo populair maakt, en de nieuwe ontwikkeling van ABBYY stelt ontwikkelaars en bedrijven in staat om NeoML te gebruiken om modellen te bouwen, trainen en implementeren voor objectidentificatie, classificatie, semantische segmentatie, verificatie en predictief modelleren.

NeoML

Met de nieuwe snelheidsverbeteringen is NeoML een van de snelste machine learning-frameworks beschikbaar, met een prestatie die tot 10 keer sneller is voor klassieke algoritmen en tot 30% sneller voor neurale netwerktraining en inferentie dan het vorige framework.

In vergelijking met de twee beste open-source machine learning-bibliotheken biedt NeoML gemiddeld 50% snellere prestaties. Door deze reden is het framework vooral nuttig voor klantgerichte, cross-platform-toepassingen. De hoge cloud-efficiëntie van NeoML betekent dat bedrijven de beschikbare cloudbronnen op de beste manier kunnen gebruiken.

Bruce Orcutt is Senior Vice President of Product Marketing bij ABBYY.

“Open source is een krachtige driver van technologische innovatie. We streven ernaar om de vooruitgang in kunstmatige intelligentie te ondersteunen door samen te werken met de ontwikkelaarsgemeenschap om onze open-source-bibliotheek verder te ontwikkelen en te verbeteren”, zei Orcutt. “NeoML biedt nieuwe kansen voor ontwikkelaars om te experimenteren, te bouwen en te lanceren van baanbrekende initiatieven, terwijl ze profiteren van de hoge inferentiesnelheid, platformonafhankelijkheid en ondersteuning voor mobiele apparaten van het framework. We nodigen alle ontwikkelaars, datawetenschappers en academici uit om NeoML te gebruiken en bij te dragen aan NeoML op GitHub.”

NeoML kan gegevens in verschillende formaten verwerken en analyseren, zoals tekst, afbeeldingen, video en meer. Modellen kunnen in de cloud, on-premises, in de browser en op apparaten worden toegepast, en de bibliotheek ondersteunt C++, Java en Objective C-programmeertalen. Het biedt ook 20+ traditionele ML-algoritmen zoals classificatie, regressie en clusteringframework.

De neurale netwerkmodellen van het framework ondersteunen meer dan 100 lagen, en de bibliotheek is cross-platform, kan worden uitgevoerd op besturingssystemen zoals Windows, Linux, macOS, iOS en Android, en is geoptimaliseerd voor zowel CPU- als GPU-processors.

NeoML wordt al gebruikt door ontwikkelaars in de VS, Canada, Duitsland, Nederland, Brazilië, China, India en Zuid-Korea. Het framework is beschikbaar op GitHub.